关于机器学习:机器学习-Octave语言

场景

Octave 语言是一种高级数值计算和数据可视化的开源软件。它提供了一种不便的形式来执行数值计算、数据分析和可视化，特地是在迷信和工程畛域中。明天学习了一下 Octave 的基本操作，记录一下。

下载

去 Octave 官网下载即可。octave 下载可自行下载。

基本操作

根本运算

Octave 的根本运算非常不便，只需输出 相似 1 + 1 即可。

非常简单，如果应用 java / python / c# 还是要写个一两行代码的、

矩阵 & 向量操作

在机器学习中，矩阵 & 向量承当着十分重要的角色，在 python 中，咱们常常会应用 numpy 库做这些操作，python 中的基本操作应该是这样的：

import numpy as np

# 创立向量
vector = np.array([1, 2, 3, 4, 5])
print("向量:")
print(vector)

# 创立矩阵
matrix = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
print("\n 矩阵:")
print(matrix)

# 创立非凡矩阵
# 单位矩阵
identity_matrix = np.eye(3)
print("\n 单位矩阵:")
print(identity_matrix)

# 全零矩阵
zero_matrix = np.zeros((2, 3))
print("\n 全零矩阵:")
print(zero_matrix)

# 全一矩阵
ones_matrix = np.ones((3, 2))
print("\n 全一矩阵:")
print(ones_matrix)

# 创立随机矩阵
random_matrix = np.random.rand(2, 2)
print("\n 随机矩阵:")
print(random_matrix)

在 octave 中，生成一个矩阵
A=[1 2;3 4;5 6]
即可生成一个矩阵

应用; 离开就是行，咱们能够再试试

这操作非常简单。

生成向量 1 到 6，2 到 99
试一试

非常简单只须要，n:m 即可生成向量。

之前咱们已经提到过步长的概念，那么咱们从 1 到 10 以 2 为步长咱们以 Octave 的命令应该是：

n: 步长:m
这就是在 Octave 中的提现，是不是非常简单？
再来，咱们要后果生成 2 行 3 列后果全为 1 的元素

2 行 5 列的 0 矩阵

随机

随机且合乎正态分布

n 阶单位矩阵

生成幻方矩阵（每行每列的和对角线的和雷同）

完结

这是一些基本操作，前面我会持续学习计算和绘图。